实验性人工智能系统药物必须预测对肿瘤使用的最佳药物。信贷：UC San Diego Health Sciences
在开发的所有癌症治疗药中只有4％赚取美国食品和药物管理局（FDA）的最终批准。
“这是因为现在我们不能以聪明的方式与右侧患者的正确组合，”博士，博士教授，博迪哥大学医学院和河流癌症中心教授。“特别适合癌症，我们不能总是预测一个人的独特，复杂的内部工作的毒品最佳地肿瘤细胞。“
在2020年10月20日发布的论文中癌细胞，Ideker和Brent Kuenzi，Ph.D.和Jisoo Park，Ph.D.，他的实验室的博士后研究人员，描述了他们创造的新的人工智能（AI）系统，不仅与最佳药物组合相匹配，那么但以一种对人类有意义的方式这样做。
“大多数AI系统是”黑匣子' - 他们可能是非常预测的，但我们实际上并不了解他们如何工作，“Ideker也是癌症细胞地图倡议和国家网络生物学国家资源的联合主任。
他给了互联网图像搜索“Cat”工作方式的示例。幕后的AI系统在现有的CAT图像上培训，但它们将其实际标记为“CAT”而不是“RAT”或其他东西是未知的。
对于AI可用于医疗保健，Ideker表示，我们必须能够看到黑匣子内部，了解系统的结论。“我们需要知道为什么做出决定，那些推荐药物的途径是针对性的，以及积极药物反应或拒绝的原因。”
该团队在药房的工作在几年前在酵母中开始了。在先前的研究中，他们使用有关酵母细胞基因和突变的信息建立了称为DCell的AI系统。DCell预测蜂窝行为，如生长，全部在“黑匣子”之外。
Drugcell是一个下一代版的DCell，超过1,200培训瘤细胞系及其对近700 FDA批准和实验的响应治疗药物- 总共超过500,000个细胞系/药物配对。研究人员还验证了一些药物在实验室实验中的结论。
通过药物，团队可以输入有关肿瘤的数据，系统返回最佳已知的药物，控制对该药物的反应的生物途径，以及最佳治疗恶性肿瘤的药物组合。
在UC San Diego Health的Moores Cancer Centrem上已经提供了精密癌症疗法，其中患者可能对其肿瘤的活组织检查测序突变并由分子肿瘤委员会评估，是专家专家组的跨学科。该委员会根据患者独特的基因组改变和其他信息建议个性化疗法。最近的一项研究显示这些患者有更好的结果。在某种程度上，药物组织模拟人类分子肿瘤板。
“我们对药物机构能够从实验室细胞系中翻译，这是我们培训的模型，对小鼠和患者的肿瘤以及临床试验数据的培训，以及临床试验数据的惊讶。”
该团队的最终目标是让药物组织进入诊所的患者，但研究作者谨慎，仍有很多工作要做。
“虽然1,200条细胞系是一个很好的开始，当然也不代表完全异质性癌症“公园说”。“我们的团队现在正在添加更多单细胞数据并尝试不同药品结构。我们还希望与现有的临床研究合作，将药物融合为诊断工具，并在现实世界中测试它。“
信息信息：癌细胞
由...提供加利福尼亚大学 - 圣地亚哥
